-
Favoriser les apprentissages avec l'I.A
Utilisation de l'intelligence artificielle générative
pour favoriser les apprentissages des Élèves à Besoins Éducatifs Particuliers
Objectif
L'objectif est de fournir aux élèves des supports cognitifs adaptés qui compensent certaines de leurs difficultés d'apprentissage et les aident à s'exprimer plus aisément à l'oral.
L'intelligence artificielle a vu son intérêt scientifique et pédagogique croître, particulièrement pour ses applications dans l'enseignement supérieur telles que le profilage, les systèmes de tutorat intelligent, la mesure et l'évaluation, et les systèmes adaptatifs et personnalisés. Ces applications sont directement transposables à notre projet, où l'IA servira de béquille cognitive pour l'élaboration d'exposés numériques, permettant aux élèves de concentrer leurs efforts sur l'amélioration de leurs compétences orales.
Contexte du projet
Les élèves du dispositif ULIS présentent des besoins éducatifs particuliers qui requièrent des approches pédagogiques personnalisées. L'oralité est une compétence essentielle qui, chez eux, demande un accompagnement spécifique pour être maîtrisée. En outre, leur autonomie future dépend en grande partie de leur capacité à utiliser des outils adaptés à leurs besoins.
De plus, les travaux récents sur l'apprentissage et l'IA en éducation soutiennent l'idée que des technologies adaptatives peuvent améliorer significativement l'apprentissage autonome.
Objectifs pédagogiques
Ce projet se concentre sur deux axes principaux :
- Favoriser l'autonomie des élèves dans la construction d’exposés numériques en utilisant l'IA générative de texte pour faciliter la rédaction et la structuration de leurs idées.
- Développer les compétences orales des élèves en les encourageant à se concentrer sur la présentation de leurs exposés, en tirant parti du temps économisé lors de la phase de rédaction.
Méthodologie et innovation
Nous utilisons l'IA générative de texte comme levier pédagogique. Les élèves apprennent à interagir avec l'outil pour créer des ébauches d'exposés et des présentations numériques. Ils pratiquent ensuite la présentation orale de ces exposés, ce qui leur permet de développer des compétences communicatives et de renforcer leur confiance en soi tout en permettant un apprentissage actif des notions présentées.
Impact mesurable et évaluation
Le projet inclut la mise en place de critères d'évaluation pour mesurer les progrès dans la maîtrise de l'oral. Nous utilisons également l'IA pour générer des quiz et des synthèses, servant de supports de révision, d’explicitation et d'évaluation des connaissances acquises.
Méthodologie :
1. Cadre d'instruction de l’intelligence artificielle générative :
- Le modèle a été personnalisé pour se présenter comme tuteur optimiste et encourageant.
- Les explications fournies devaient être claires et synthétiques, ciblant des élèves de 10 à 14 ans.
- Des méthodologies comme le microlearning et la méthode Feynman ont été privilégiées.
- Les élèves avaient le choix entre diverses options d'apprentissage, allant de la demande d'explications supplémentaires à la réalisation d'activités concrètes, en passant par la réalisation de QCM
2. Interactions avec les élèves :
Les élèves ont interagi avec le modèle via des liens de chat, permettant une centralisation des informations.
Ils ont pu tester leurs connaissances, obtenir des retours immédiats et construire des présentations numériques.
3. Quiz et QCM :
Les quiz et QCM ont un rôle central dans cette méthodologie, permettant un apprentissage actif. Ces outils ont favorisé la mémorisation et la compréhension des élèves en leur offrant un retour immédiat sur leurs performances.
4. Compétences de présentation orale :
La technologie a permis aux élèves de préparer des présentations en un temps réduit, maximisant ainsi leur possibilité d’entraîner leur compétence à présenter à l’oral et leur confiance en soi.
L’explicitations des informations à présenter permet en outre d’approfondir la compréhension et la mémorisation des connaissances.
Théories pédagogiques sous-jacentes :
Microlearning :
Cette approche divise l'apprentissage en petites unités, facilitant la digestion et la mémorisation de l'information.
Méthode Feynman :
Elle repose sur l'idée d'expliquer un concept simplement, garantissant la clarté.
Apprentissage Actif :
Construire des présentations, répondre à des quiz ou QCM, engagent activement les élèves, renforçant la compréhension et la durabilité de la mémorisation.
Impact sur la Charge Cognitive :
L'utilisation de cette technologie a permis d’alléger la charge cognitive des élèves. En réduisant la phase de documentation, les élèves peuvent se concentrer davantage sur l'apprentissage lui-même. Cet allègement est particulièrement bénéfique pour les élèves fragiles ou en difficulté, car il favorise le plaisir d'apprendre. Un plaisir accru dans l'apprentissage se traduit par une meilleure rétention et compréhension de l'information.
Conclusion :
L'utilisation de l'intelligence artificielle générative, lorsqu'elle est adaptée à un cadre pédagogique spécifique, semble pouvoir offrir un soutien précieux aux élèves à besoins éducatifs particuliers. Cette expérimentation a montré que, en combinant technologie et théories pédagogiques éprouvées, il apparaît possible d'offrir un apprentissage plus plaisant et efficient pour ces élèves. Ainsi l'adoption de l'intelligence artificielle générative, couplée à des méthodes pédagogiques éprouvées, pourrait offrir un potentiel significatif pour améliorer l'apprentissage des élèves à besoins éducatifs particuliers. En allégeant la charge cognitive et en favorisant un apprentissage actif, cette approche peut transformer la manière dont ces élèves abordent et apprécient l'éducation.
Séquences :
Utilisation de l'IA pour la Recherche Documentaire et la Rédaction de Présentations Numériques
|
 Créer mon blog |
Créer mon compte |